CN116577788B - 输电线路异物侵限监测方法、装置和计算机设备 - Google Patents

输电线路异物侵限监测方法、装置和计算机设备 Download PDF

Info

Publication number
CN116577788B
CN116577788B CN202310849293.XA CN202310849293A CN116577788B CN 116577788 B CN116577788 B CN 116577788B CN 202310849293 A CN202310849293 A CN 202310849293A CN 116577788 B CN116577788 B CN 116577788B
Authority
CN
China
Prior art keywords
monitored
transmission line
power transmission
information
sound wave
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202310849293.XA
Other languages
English (en)
Other versions
CN116577788A (zh
Inventor
王志明
马俭
李鹏
田兵
钟枚汕
韦杰
张佳明
聂少雄
尹旭
林跃欢
刘胜荣
张伟勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202310849293.XA priority Critical patent/CN116577788B/zh
Publication of CN116577788A publication Critical patent/CN116577788A/zh
Application granted granted Critical
Publication of CN116577788B publication Critical patent/CN116577788B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Abstract

本申请涉及一种输电线路异物侵限监测方法、装置、计算机设备和存储介质。所述方法包括：根据巡检数据中的声波数据，构建输电线路周边的待监测物体的三维模型，以及将声波数据中与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到待监测物体的移动速度信息与移动路线信息；根据待监测物体的三维模型，确认待监测物体与输电线路之间的目标距离，根据目标距离、移动速度信息、移动路线信息以及待监测物体的物体类型，确定输电线路的安全风险信息；在输电线路的安全风险信息满足预设安全风险条件的情况下，确认输电线路存在异物侵限风险。采用本方法，能够提高输电线路异物侵限的监测效率。

Description

输电线路异物侵限监测方法、装置和计算机设备
技术领域
本申请涉及电网技术领域，特别是涉及一种输电线路异物侵限监测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
输电线路的异物侵限是指异物进入输电线路的最小安全范围内的现象；异物侵限容易导致输电线路的运行受到负面影响，因此，需要对输电线路进行监测，防止异物侵限的发生。
相关技术中，通常采用人工巡检的监测方式，对输电线路进行异物侵限监测；然而，输电线路的覆盖范围广，基于人工巡检的异物侵限监测方法所耗费的时间较长，导致输电线路异物侵限的监测效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高监测效率的输电线路异物侵限监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种输电线路异物侵限监测方法。所述方法包括：
通过设置于输电线路上的巡检设备，获取所述输电线路的巡检数据；
根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，以及将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息；
根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，根据所述目标距离、所述移动速度信息、所述移动路线信息以及所述待监测物体的物体类型，确定所述输电线路的安全风险信息；
在所述输电线路的安全风险信息满足预设安全风险条件的情况下，确认所述输电线路存在异物侵限风险。
在其中一个方法中，所述根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，包括：
从所述巡检数据中的声波数据中，识别出与所述输电线路周边的待监测物体关联的声波数据；
根据与所述待监测物体关联的声波数据，确认所述待监测物体与所述输电线路之间的初始距离；
在所述初始距离小于与所述输电线路对应的预设安全距离阈值的情况下，根据与所述待监测物体关联的声波数据，确认所述待监测物体的三维声波影像；
将所述待监测物体的三维声波影像映射到预设三维坐标系中，得到所述待监测物体的三维模型；所述预设三维坐标系根据所述输电线路周边的环境构建得到。
在其中一个方法中，所述根据与所述待监测物体关联的声波数据，确认所述待监测物体的三维声波影像，包括：
根据与所述待监测物体关联的声波数据，确认所述待监测物体在不同角度下的二维声波影像；
对所述待监测物体在不同角度下的二维声波影像进行融合处理，得到所述待监测物体的三维声波影像。
在其中一个方法中，在所述初始距离小于与所述输电线路对应的预设安全距离阈值的情况下，根据与所述待监测物体关联的声波数据，确认所述待监测物体的三维声波影像之前，还包括：
从所述巡检数据中，识别出所述输电线路的电力数据；
根据所述输电线路的电力数据，确认所述输电线路的线路类型；
根据线路类型与预设安全距离阈值之间的对应关系，确认与所述输电线路对应的预设安全距离阈值。
在其中一个方法中，所述根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，包括：
确认所述待监测物体的三维模型在所述预设三维坐标系下的物体坐标信息，以及确认所述输电线路的线路模型在所述预设三维坐标系下的线路坐标信息；
根据所述物体坐标信息与所述线路坐标信息，确认所述待监测物体与所述输电线路之间的目标距离。
在其中一个方法中，所述将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息，包括：
通过所述预先训练的移动信息预测模型，从与所述待监测物体关联的声波数据中，识别出所述巡检设备中的声波传感器发射声波信号与接收声波信号之间的时间差异信息；
根据所述时间差异信息，确认所述待监测物体的移动速度信息；
根据所述巡检数据中的气象数据与所述待监测物体的移动速度信息，确认所述待监测物体的移动线路信息。
在其中一个方法中，所述待监测物体的物体类型，通过下述方式确认得到：
从所述巡检数据中，识别出所述输电线路周边的待监测物体的红外图像；
通过目标检测模型对所述待监测物体的红外图像进行目标检测处理，得到所述待监测物体与样本物体之间的相似度；
将对应的相似度最大的样本物体的物体类型，确认为所述待监测物体的物体类型。
第二方面，本申请还提供了一种输电线路异物侵限监测装置。所述装置包括：
巡检数据获取模块，用于通过设置于输电线路上的巡检设备，获取所述输电线路的巡检数据；
声波数据处理模块，用于根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，以及将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息；
风险信息确认模块，用于根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，根据所述目标距离、所述移动速度信息、所述移动路线信息以及所述待监测物体的物体类型，确定所述输电线路的安全风险信息；
侵限风险确认模块，用于在所述输电线路的安全风险信息满足预设安全风险条件的情况下，确认所述输电线路存在异物侵限风险。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
通过设置于输电线路上的巡检设备，获取所述输电线路的巡检数据；
根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，以及将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息；
根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，根据所述目标距离、所述移动速度信息、所述移动路线信息以及所述待监测物体的物体类型，确定所述输电线路的安全风险信息；
在所述输电线路的安全风险信息满足预设安全风险条件的情况下，确认所述输电线路存在异物侵限风险。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
通过设置于输电线路上的巡检设备，获取所述输电线路的巡检数据；
根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，以及将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息；
根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，根据所述目标距离、所述移动速度信息、所述移动路线信息以及所述待监测物体的物体类型，确定所述输电线路的安全风险信息；
在所述输电线路的安全风险信息满足预设安全风险条件的情况下，确认所述输电线路存在异物侵限风险。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
通过设置于输电线路上的巡检设备，获取所述输电线路的巡检数据；
根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，以及将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息；
根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，根据所述目标距离、所述移动速度信息、所述移动路线信息以及所述待监测物体的物体类型，确定所述输电线路的安全风险信息；
在所述输电线路的安全风险信息满足预设安全风险条件的情况下，确认所述输电线路存在异物侵限风险。
上述输电线路异物侵限监测方法、装置、计算机设备、存储介质和计算机程序产品，首先通过设置于输电线路上的巡检设备，获取输电线路的巡检数据；然后根据巡检数据中的声波数据，构建输电线路周边的待监测物体的三维模型，以及将声波数据中与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到待监测物体的移动速度信息与移动路线信息；接着根据待监测物体的三维模型，确认待监测物体与输电线路之间的目标距离，根据目标距离、移动速度信息、移动路线信息以及待监测物体的物体类型，确定输电线路的安全风险信息；最后在输电线路的安全风险信息满足预设安全风险条件的情况下，确认输电线路存在异物侵限风险。这样，通过巡检数据中的声波数据，一方面，能够为输电线路周边的待监测物体构建三维模型，从而能够在预设三维坐标系中可视化待监测物体，便于监测人员对待监测物体的直观监测；另一方面，还能够基于声波数据，预测待监测物体的移动速度和移动路线；基于以上待监测物体的三维模型、移动速度和移动路线，还能够评估输电线路的安全风险，进而预测待监测物体是否会对输电线路造成异物侵限。与基于人工巡检的异物侵限监测方法相比，上述输电线路异物侵限监测方法能够在不依赖于监测人员的实地巡检的情况下实现对输电线路的实时监测，从而提高了输电线路异物侵限的监测效率。
附图说明
图1为一个实施例中输电线路异物侵限监测方法的流程示意图；
图2为一个实施例中根据巡检数据中的声波数据，构建输电线路周边的待监测物体的三维模型的步骤的流程示意图；
图3为一个实施例中确认与输电线路对应的预设安全距离阈值的步骤的流程示意图；
图4为一个实施例中得到待监测物体的移动速度信息与移动路线信息的步骤的流程示意图；
图5为一个实施例中确认待监测物体的物体类型的步骤的流程示意图；
图6为另一个实施例中输电线路异物侵限监测方法的流程示意图；
图7为一个实施例中基于测距应用的超高目标识别预警方法的流程示意图；
图8为一个实施例中输电线路异物侵限监测装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
在一示例性实施例中，如图1所示，提供了一种输电线路异物侵限监测方法，本实施例以该方法应用于服务器进行举例说明；可以理解的是，该方法也可以应用于终端，还可以应用于包括服务器和终端的系统，并通过服务器和终端之间的交互实现。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现；终端可以但不限于是各种个人计算机、笔记本电脑、智能手机以及平板电脑等。本实施例中，该方法包括以下步骤：
步骤S102，通过设置于输电线路上的巡检设备，获取输电线路的巡检数据。
其中，巡检设备为搭设在输电线路上的可移动巡检设备；巡检设备上集成有声波传感器、红外传感器、电力传感器以及气象传感器。
其中，声波传感器用于通过对外发射声波信号，并接收输电线路周边的物体反射回来的声波信号，从而采集输电线路周边的声波数据。
其中，红外传感器用于采集输电线路周边的红外图像。
其中，电力传感器用于采集输电线路上的电力数据。
其中，气象传感器用于采集输电线路所处的外部环境的气象数据，例如输电线路所处的外部环境的风向、风力等气象情况。
其中，输电线路的巡检数据至少包括声波传感器采集到的声波数据、红外传感器采集到的红外图像、电力传感器采集到的电力数据，以及气象传感器采集到的气象数据。
具体地，服务器通过搭设在输电线路上的可移动巡检设备上集成的声波传感器、红外传感器、电力传感器以及气象传感器，分别获取输电线路周边的声波数据、输电线路周边的红外图像、输电线路上的电力数据，以及输电线路所处的外部环境的气象数据等巡检数据。
步骤S104，根据巡检数据中的声波数据，构建输电线路周边的待监测物体的三维模型，以及将声波数据中与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到待监测物体的移动速度信息与移动路线信息。
其中，输电线路周边的待监测物体为输电线路周边出现的、需要进行异物侵限监测的物体，例如风筝、塔吊、动物等。异物侵限是指异物进入输电线路的最小安全范围内的现象；一旦发生异物侵限，那么输电线路的运行就很容易受到负面影响，因此需要对靠近输电线路的物体进行异物侵限监测。
其中，待监测物体的三维模型为待监测物体在预设三维坐标系中的可视化模型；预设三维坐标系根据输电线路周边的环境构建得到。
其中，声波数据中与待监测物体关联的声波数据，是指输电线路周边的声波数据中，属于待监测物体的声波数据。
其中，预先训练的移动信息预测模型，用于预测待监测物体的移动速度信息与移动路线信息；预先训练的移动信息预测模型通过对样本物体的样本移动速度与样本移动路线进行机器学习训练得到。
其中，待监测物体的移动速度信息用于表征待监测物体在未来一段时间内相对于输电线路的移动速度；待监测物体的移动线路信息用于表征待监测物体在未来一段时间内相对于输电线路的移动线路。
具体地，服务器从巡检数据中识别出声波传感器采集到的声波数据，并根据声波数据构建输电线路周边的待监测物体在预设三维坐标系中的三维模型；然后，服务器将声波数据中与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，通过预先训练的移动信息预测模型预测待监测物体在未来一段时间内相对于输电线路的移动速度与移动路线，并分别确认为待监测物体的移动速度信息与移动路线信息。
举例说明，服务器首先根据声波数据确定在输电线路的预设安全范围内是否存在待监测物体，若存在，则根据声波数据得到该待监测物体的声波影像，然后根据该待监测物体的声波影像进一步得到该待监测物体在预设三维坐标系中的三维模型；接着，服务器将该待监测物体的声波数据输入至预先训练的移动信息预测模型，预测该待监测物体在未来一段时间内，相对于输电线路的移动速度与移动路线，例如以20m/h的时速靠近输电线路，并且移动路线会与输电线路出现重合等。
需要说明的是，预先训练的移动信息预测模型的训练过程如下：服务器首先通过巡检设备获取样本物体在不同气象条件下的声波数据、样本移动速度和样本移动路线，然后将样本物体在不同气象体条件下的声波数据、样本移动速度和样本移动路线输入至待训练的移动信息预测模型，通过待训练的移动信息预测模型对样本物体在不同气象条件下的声波数据进行学习，得到样本物体的预测移动速度和预测移动路线；接着，服务器通过待训练的移动信息预测模型中的损失函数，确认样本物体的样本移动速度与预测移动速度之间的损失值、以及样本移动路线与预测移动路线之间的损失值，并在损失值大于预设损失阈值的情况下，更新待训练的移动信息预测模型中的预测参数，并基于样本物体对待训练的移动信息预测模型再次进行训练，直到上述损失值小于预设损失阈值，得到训练完成的待训练的移动信息预测模型，并作为预先训练的移动信息预测模型。
步骤S106，根据待监测物体的三维模型，确认待监测物体与输电线路之间的目标距离，根据目标距离、移动速度信息、移动路线信息以及待监测物体的物体类型，确定输电线路的安全风险信息。
其中，待监测物体的物体类型，根据巡检数据中的红外图像确定得到。
其中，输电线路的安全风险信息，用于表征输电线路在预设安全指标下的指标信息；预设安全指标至少包括用于表征待监测物体与输电线路之间距离的距离安全指标、用于表征待监测物体相对于输电线路的移动速度的速度安全指标、用于表征待监测物体是否正在靠近输电线路的路线安全指标，以及用于表征待监测物体的物体类型的类型安全指标。
具体地，服务器首先根据待监测物体的三维模型，确认待监测物体与输电线路在预设三维坐标系中的目标距离；然后，服务器根据目标距离、移动速度信息、移动路线信息以及待监测物体的物体类型，得到输电线路在距离安全指标、速度安全指标、路线安全指标以及类型安全指标等预设安全指标下的指标信息，并将上述指标信息作为输电线路的安全风险信息。
举例说明，服务器对目标距离、移动速度信息、移动路线信息以及物体类型进行映射处理，将上述信息从自然语言表达形式转换为特征向量表达形式，从而得到输电线路在预设安全指标下的指标信息，即输电线路的安全风险信息。
步骤S108，在输电线路的安全风险信息满足预设安全风险条件的情况下，确认输电线路存在异物侵限风险。
其中，预设安全风险条件用于基于安全风险信息，表征待监测物体有可能会对输电线路造成异物侵限，或者是待监测物体已经对输电线路造成异物侵限。
具体地，服务器在输电线路的安全风险信息满足预设安全风险条件的情况下，例如待监测物体与输电线路之间的目标距离小于输电线路的最小安全距离，再例如待监测物体的移动速度大于预设速度阈值，又例如待监测物体的移动路线会与输电线路重合，还例如待监测物体的物体类型为塔吊时，服务器可以确认待监测物体有可能会、甚至已经对输电线路造成了异物侵限，因此确认输电线路存在异物侵限风险，并根据满足预设安全风险条件的安全风险信息，生成输电线路的异物侵限预警信息，然后将异物侵限预警信息发送给输电线路的监测人员，便于监测人员采取相应处理措施，对待监测物体进行干预，避免异物侵限的发生。
上述实施例提供的输电线路异物侵限监测方法中，服务器首先通过设置于输电线路上的巡检设备，获取输电线路的巡检数据；然后根据巡检数据中的声波数据，构建输电线路周边的待监测物体的三维模型，以及将声波数据中与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到待监测物体的移动速度信息与移动路线信息；接着根据待监测物体的三维模型，确认待监测物体与输电线路之间的目标距离，根据目标距离、移动速度信息、移动路线信息以及待监测物体的物体类型，确定输电线路的安全风险信息；最后在输电线路的安全风险信息满足预设安全风险条件的情况下，确认输电线路存在异物侵限风险。这样，通过巡检数据中的声波数据，一方面，服务器能够为输电线路周边的待监测物体构建三维模型，从而能够在预设三维坐标系中可视化待监测物体，便于监测人员对待监测物体的直观监测；另一方面，服务器还能够基于声波数据，预测待监测物体的移动速度和移动路线；基于以上待监测物体的三维模型、移动速度和移动路线，服务器还能够评估输电线路的安全风险，进而预测待监测物体是否会对输电线路造成异物侵限。与基于人工巡检的异物侵限监测方法相比，上述输电线路异物侵限监测方法能够在不依赖于监测人员的实地巡检的情况下实现对输电线路的实时监测，从而提高了输电线路异物侵限的监测效率。
在一示例性实施例中，如图2所示，上述步骤S104中，根据巡检数据中的声波数据，构建输电线路周边的待监测物体的三维模型，具体包括以下步骤：
步骤S202，从巡检数据中的声波数据中，识别出与输电线路周边的待监测物体关联的声波数据。
步骤S204，根据与待监测物体关联的声波数据，确认待监测物体与输电线路之间的初始距离。
步骤S206，在初始距离小于与输电线路对应的预设安全距离阈值的情况下，根据与待监测物体关联的声波数据，确认待监测物体的三维声波影像。
步骤S208，将待监测物体的三维声波影像映射到预设三维坐标系中，得到待监测物体的三维模型。
其中，待监测物体与输电线路之间的初始距离，用于衡量是否需要对待监测物体进行更进一步的监测，例如对待监测物体进行三维建模、预测待监测物体的移动速度与移动路线等。
能够理解的是，预设安全距离阈值与最小安全距离不同，预设安全距离阈值是进行更进一步监测的条件，而最小安全距离是确认待监测物体对输电线路已经造成异物侵限的条件；由预设安全距离阈值确定的范围为输电线路的预设安全范围，由最小安全距离确定的范围为输电线路的最小安全范围。
其中，待监测物体的三维模型，用于在预设三维坐标系中可视化待监测物体。
具体地，由于巡检数据中的声波数据属于输电线路周围的多个物体，因此服务器需要对巡检数据中的声波数据进行实例分割处理，便于从声波数据中，识别出属于待监测物体的声波数据，作为与待监测物体关联的声波数据；然后，服务器根据与待监测物体关联的声波数据，初步确认待监测物体与输电线路之间的初始距离，并在初始距离小于与输电线路对应的预设安全距离阈值的情况下，对待监测物体进行更进一步的监测，根据与待监测物体关联的声波数据，构建待监测物体的三维声波影像；最后，服务器将待监测物体的三维声波影像映射到根据输电线路周围环境构建得到的预设三维坐标系中，便于后续对待监测物体的可视化监测，以及基于预设三维坐标系更加精确地确认待监测物体与输电线路之间的目标距离。
举例说明，声波传感器上有多个超声波换能器，用于对外发射超声波信号，超声波信号接触到待监测物体之后，会被待监测物体反射回来；因此，服务器可以基于声波传感器发射超声波信号与接收被反射回来的超声波信号之间的时间差，以及超声波信号的传播速度，确认超声波信号的传输距离；然后，将超声波信号的传输距离的二分之一，确认为待监测物体与输电线路之间的初始距离。
本实施例中，服务器通过待监测物体的声波数据，能够初步确定待监测物体与输电线路之间的初始距离，并在通过初始距离判断待监测物体进入输电线路的预设安全范围内时（初始距离小于预设安全距离阈值时），基于待监测物体的声波数据，在预设三维坐标系中为待监测物体构建三维模型，以便于后续对待监测物体进行可视化监测，以及更加精确地确认待监测物体与输电线路之间的目标距离，从而实现对待监测物体的异物侵限监测。基于以上过程的异物侵限监测，不依赖于监测人员的实地巡检，提高了输电线路异物侵限的监测效率。
在一示例性实施例中，上述步骤S204，根据与待监测物体关联的声波数据，确认待监测物体的三维声波影像，具体包括以下内容：根据与待监测物体关联的声波数据，确认待监测物体在不同角度下的二维声波影像；对待监测物体在不同角度下的二维声波影像进行融合处理，得到待监测物体的三维声波影像。
其中，待监测物体在不同角度下的二维声波影像，由声波传感器上的多个超声波换能器采集的声波数据构建得到。
具体地，巡检设备集成的声波传感器在不同角度设置有超声波换能器，各个超声波换能器都能用于声波数据的采集；因此，服务器针对各个超声波换能器采集到的与待监测物体关联的声波数据，构建待监测物体在不同角度下的（即对应于各个超声波换能器的）二维声波影像，并根据与待监测物体关联的声波数据，确认待监测物体与各个超声波换能器之间的方向角；然后，服务器根据待监测物体与各个超声波换能器之间的方向角，对待监测物体在不同角度下的二维声波影像进行融合处理，从而得到待监测物体的三维声波影像。
本实施例中，服务器通过声波传感器上的多个超声波换能器，能够从不同角度采集到待监测物体的声波数据，从而构建待监测物体在不同角度下的二维声波影像，进而能够根据对不同角度下的二维声波影像的融合，得到待监测物体的三维声波影像；基于以上过程，服务器能够利用声波数据可视化待监测物体，便于后续为待监测物体进行三维建模，一方面，避免了人工巡检带来的主观影响，提高了异物侵限的监测准确性；另一方面，缩短了人工巡检所花费的时间，提高了异物侵限的监测效率。
在一示例性实施例中，如图3所示，在上述步骤S206，在初始距离小于与输电线路对应的预设安全距离阈值的情况下，根据与待监测物体关联的声波数据，确认待监测物体的三维声波影像之前，还具体包括以下步骤：
步骤S302，从巡检数据中，识别出输电线路的电力数据。
步骤S304，根据输电线路的电力数据，确认输电线路的线路类型。
步骤S306，根据线路类型与预设安全距离阈值之间的对应关系，确认与输电线路对应的预设安全距离阈值。
其中，输电线路的电力数据，是由巡检设备上的电力传感器采集得到的输电线路的运行数据，例如，输电线路传输的电压。
其中，输电线路的线路类型根据输电线路的电压等级进行划分。
其中，线路类型与预设安全距离阈值之间为一对一的对应关系，能够理解的是，线路类型与最小安全距离之间也为一对一的对应关系，且对于同一线路类型的输电线路而言，其对应的预设安全距离阈值大于或者等于其对应的最小安全距离。例如，110千伏的输电线路，其预设安全距离阈值为10m，其最小安全距离为7m；220千伏的输电线路，其预设安全距离阈值为15m，其最小安全距离为10m；500千伏的输电线路，其预设安全距离阈值为25m，其最小安全距离为20m；750千伏的输电线路，其预设安全距离阈值为35m，其最小安全距离为30m；1000千伏的输电线路，其预设安全距离阈值为50m，其最小安全距离为45m。
具体地，服务器从巡检数据中，识别出由电力传感器采到的输电线路上的电力数据，并根据电力数据确定输电线路的电压等级，进而根据电压等级与线路类型之间的对应关系，确认输电线路的线路类型；接着，服务器根据线路类型与预设安全距离阈值之间的对应关系，确认与输电线路对应的预设安全距离阈值。
举例说明，假设服务器根据电力数据，确认输电线路为500千伏的输电线路，那么根据线路类型与预设安全距离阈值之间的对应关系，服务器可以得到与输电线路对应的预设安全距离阈值为25m。
本实施例中，服务器通过巡检设备上的电力传感器，能够采集到输电线路的电路数据，从而确定输电线路的线路类型，进而明确输电线路对应的预设安全距离阈值，便于后续基于预设安全距离阈值，判断是否需要对待监测物体进行进一步地异物侵限监测。
在一示例性实施例中，上述步骤S106中，根据待监测物体的三维模型，确认待监测物体与输电线路之间的目标距离，具体包括以下内容：确认待监测物体的三维模型在预设三维坐标系下的物体坐标信息，以及确认输电线路的线路模型在预设三维坐标系下的线路坐标信息；根据物体坐标信息与线路坐标信息，确认待监测物体与输电线路之间的目标距离。
其中，物体坐标信息用于表征待监测物体的三维模型在预设三维坐标系下的坐标；线路坐标信息用于表征输电线路的线路模型在预设三维坐标系下的坐标。
具体地，服务器首先确认待监测物体的三维模型在预设三维坐标系下的坐标，作为物体坐标信息，然后确认输电线路的线路模型在预设三维坐标系下的坐标，作为线路坐标信息；接着，服务器确认物体坐标信息与线路坐标信息之间的三维距离，作为待监测物体与输电线路之间的目标距离。
举例说明，假设服务器确认得到的物体坐标信息为（x1，y1，z1），线路坐标信息为（x2，y2，z2），那么服务器将物体坐标信息与线路坐标信息代入如公式1所示的三维空间中任意两点之间的距离计算公式中，得到待监测物体与输电线路之间的目标距离d。
（公式1）
本实施例中，服务器通过待监测物体在预设三维坐标系下的物体坐标信息，与输电线路在预设三维坐标系下的线路坐标信息，能够精准计算待监测物体与输电线路之间的目标距离，从而准确判断待监测物体是否会进入或已经进入输电线路的最小安全范围内。
在一示例性实施例中，如图4所示，上述步骤S104中，将声波数据中与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到待监测物体的移动速度信息与移动路线信息，具体包括以下步骤：
步骤S402，通过预先训练的移动信息预测模型，从与待监测物体关联的声波数据中，识别出巡检设备中的声波传感器发射声波信号与接收声波信号之间的时间差异信息。
步骤S404，根据时间差异信息，确认待监测物体的移动速度信息。
步骤S406，根据巡检数据中的气象数据与待监测物体的移动速度信息，确认待监测物体的移动线路信息。
其中，时间差异信息为巡检设备中的声波传感器上的超声波换能器发射超声波信号，与接收待监测物体反射回来的超声波信号之间的时间差。
其中，巡检数据中的气象数据为巡检设备上的气象传感器采集得到的、输电线路所处的外部环境的风向、风力等数据。
具体地，服务器将与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型；预先训练的移动信息预测模型首先从与待监测物体关联的声波数据中，识别出巡检设备中的声波传感器发射声波信号与接收声波信号之间的多组时间差，然后根据多组时间差确定待监测物体在对应时间内的移动距离，从而得到待监测物体在对应时间内的移动速度，作为待监测物体在未来一段时间内相对于输电线路的移动速度（即移动速度信息），能够理解的是，每组时间差对应于同一个声波信号的发射与反射接收；接着，预先训练的移动信息预测模型根据移动速度信息，以及气象传感器采集到的风力与风速，预测待监测物体在未来一段时间内相对于输电线路的移动路线（即移动路线信息）。
本实施例中，服务器通过预先训练的移动信息预测模型对声波数据与气象数据的处理，能够预测得到待监测物体在未来一段时间内相对于输电线路的移动速度和移动路线，从而能够预测待监测物体在未来一段时间内是以怎样的速度靠近输电线路或远离输电线路，进而判断待监测物体是否会在未来一段时间后进入输电线路的最小安全范围内，或是触碰输电线路；基于以上过程，服务器能够预测待监测物体是否会对输电线路造成异物侵限，从而实现了对输电线路异物侵限的监测，并减少了人工巡检所耗费的时长，提高了输电线路异物侵限的监测效率。
在一示例性实施例中，如图5所示，上述任一实施例的待监测物体的物体类型，通过下述方式确认得到：
步骤S502，从巡检数据中，识别出输电线路周边的待监测物体的红外图像。
步骤S504，通过目标检测模型对待监测物体的红外图像进行目标检测处理，得到待监测物体与样本物体之间的相似度。
步骤S506，将对应的相似度最大的样本物体的物体类型，确认为待监测物体的物体类型。
其中，待监测物体的红外图像由巡检设备上的红外传感器采集得到。
其中，目标检测模型为常见的用于识别物体的模型，例如YOLOv5（You Only LookOnce version 5，一种目标检测算法）目标检测模型。
具体地，服务器从巡检数据中，识别出红外传感器采集得到的、输电线路周边的待监测物体的红外图像，并将待监测物体的红外图像输入至目标检测模型中，通过目标检测模型计算待监测物体的红外图像与样本物体的红外图像之间的相似度，从而得到待监测物体与样本物体之间的相似度；接着，服务器将对应的相似度最大的样本物体，确认为待监测物体的参考物体，并将参考物体的物体类型确认为待检测物体的物体类型。
在本实施例中，服务器通过目标检测模型，能够识别出待监测物体的物体类型，便于后续对输电线路的安全风险进行评估。
在一示例性实施例中，如图6所示，提供了另一种输电线路异物侵限监测方法，以该方法应用于服务器为例进行说明，包括以下步骤：
步骤S601，通过设置于输电线路上的巡检设备，获取输电线路的巡检数据。
步骤S602，从巡检数据中的声波数据中，识别出与输电线路周边的待监测物体关联的声波数据。
步骤S603，根据与待监测物体关联的声波数据，确认待监测物体与输电线路之间的初始距离。
步骤S604，在初始距离小于与输电线路对应的预设安全距离阈值的情况下，根据与待监测物体关联的声波数据，确认待监测物体在不同角度下的二维声波影像。
步骤S605，对待监测物体在不同角度下的二维声波影像进行融合处理，得到待监测物体的三维声波影像。
步骤S606，将待监测物体的三维声波影像映射到预设三维坐标系中，得到待监测物体的三维模型。
步骤S607，通过预先训练的移动信息预测模型，从与待监测物体关联的声波数据中，识别出巡检设备中的声波传感器发射声波信号与接收声波信号之间的时间差异信息。
步骤S608，根据时间差异信息，确认待监测物体的移动速度信息，并根据巡检数据中的气象数据与待监测物体的移动速度信息，确认待监测物体的移动线路信息。
步骤S609，确认待监测物体的三维模型在预设三维坐标系下的物体坐标信息，以及确认输电线路的线路模型在预设三维坐标系下的线路坐标信息。
步骤S610，根据物体坐标信息与线路坐标信息，确认待监测物体与输电线路之间的目标距离。
步骤S611，根据目标距离、移动速度信息、移动路线信息以及待监测物体的物体类型，确定输电线路的安全风险信息。
步骤S612，在输电线路的安全风险信息满足预设安全风险条件的情况下，确认输电线路存在异物侵限风险。
本实施例中，通过巡检数据中的声波数据，一方面，服务器能够为输电线路周边的待监测物体构建三维模型，从而能够在预设三维坐标系中可视化待监测物体，便于监测人员对待监测物体的直观监测；另一方面，服务器还能够基于声波数据，预测待监测物体的移动速度和移动路线；基于以上待监测物体的三维模型、移动速度和移动路线，服务器能够评估输电线路的安全风险，进而监测待监测物体是否会对输电线路造成异物侵限。此外，服务器通过待监测物体的声波数据，能够在通过初始距离判断待监测物体进入输电线路的监测范围（预设安全距离阈值）内时，在预设三维坐标系中为待监测物体构建三维模型，以便于后续对待监测物体进行可视化监测，以及更加精确地确认待监测物体与输电线路之间的目标距离。进一步地，服务器通过待监测物体在预设三维坐标系下的物体坐标信息，与输电线路在预设三维坐标系下的线路坐标信息，能够精准计算待监测物体与输电线路之间的目标距离，从而准确判断待监测物体是否会进入或已经进入输电线路的最小安全范围内。上述输电线路异物侵限监测方法能够不依赖于监测人员的实地巡检就实现对输电线路的实时监测，从而提高了输电线路异物侵限的监测效率。
为了更清晰阐明本申请实施例提供的输电线路异物侵限监测方法，以下以一个具体的实施例对该输电线路异物侵限监测方法进行具体说明，但应当理解的是，本申请实施例并不限于此。在一示例性实施例中，如图7所示，本申请还提供了一种基于测距应用的超高目标识别预警方法，具体包括以下步骤：
步骤1：监测区域的划分。
服务器按照输电线路架设长度，对输电线路进行区域划分，每个区域设为一个监测区域，并对监测区域进行编号，然后在每个监测区域内架设移动式输电线路巡检设备，使得巡检设备能够沿输电线路方向滑动巡检。
步骤2：监测系统的构建。
服务器通过云端平台构建输电线路监测网络系统，并将巡检设备通过无线通信模块与云端平台进行无线连接，进行实时数据传输。服务器通过巡检设备上的声波传感器进行超声测距、以及目标物体的声波数据采集，通过巡检设备上的电力传感器采集输电线路上的电压等级，进而确定输电线路的最小安全范围，以及通过巡检设备上的红外传感器采集目标物体的红外图像。
步骤3：目标物体的超声测距。
服务器在超声波的基础上实现超声成像，从而获得输电线路一定范围内的声波图像，并根据超声波反射的时间差计算各目标物体与巡检设备之间的距离，以实现超声测距，最后服务器根据超声测距结果，对不同目标物体的方位和距离进行初步判定。
步骤4：目标物体的识别。
服务器利用红外传感器对一定范围内的目标物体进行红外图像采集，并将红外图像上传至云端平台，然后服务器对图像范围中的各目标物体进行特征提取和图像识别，进而识别出目标物体的具体类型。
步骤5：目标物体的建模。
服务器通过在超声传感器的不同角度安装的超声传感器发出和接收声波信号，得到目标物体的声波数据，并将声波数据上传至云端平台，进而获取目标物体的多个二维声波影像，然后服务器根据多个二维声波影像对应的倾斜角，将多个二维声波影像复合构成目标物体的三维声波影像，并基于目标物体的三维声波影像构建目标影像的三维立体模型。
步骤6：目标物体与输电线路之间的距离的精确测量。
服务器以每个监测区域内输电线路的中段点为原点，构建三维坐标体系，并在三维坐标体系中确定目标物体的三维立体模型的精确坐标，进而计算目标物体的高度及其与输电线路的距离，并对超出一定高度的目标物体进行异常标记，设为超高目标物体。
步骤7：目标物体的移动信息预测。
服务器根据声波传感器发出和接收到的超声波信号的时间差，测出目标物体的速度，然后构建移动线路预测模型，对目标物体的移动速度及移动路线进行预测。
步骤8：输电线路的安全风险评估。
服务器构建安全风险评估模型，以所预测的目标物体的移动速度、移动路线，以及目标物体的具体高度及其与输电线路距离作为评估数据，对输电线路进行安全风险评估，从而对输电线路的安全风险进行量化，输出输电线路的安全风险结果。
步骤9：输电线路的异物侵限预警。
服务器根据安全风险的风险性大小进行输电线路安全预警，在安全风险较高或目标物体接近输电线路的最小安全范围内时，向输电线路监控中心进行预警，以便于及时干预和规避风险。
本实施例中，服务器基于巡检设备上的多个信息获取源，能够对目标物体进行识别，并构建目标物体的三维立体模型，进而能够获取到较为精确的坐标数据，以便于获取目标物体的高度及其与输电线路的距离，并且能够基于目标物体的高度及其与输电线路的距离，对输电线路进行安全风险评估，便于对输电线路附近的目标物体进行预警，有利于及时干预和规避风险，提高了输电线路的安全性。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的输电线路异物侵限监测方法的输电线路异物侵限监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个输电线路异物侵限监测装置实施例中的具体限定可以参见上文中对于输电线路异物侵限监测方法的限定，在此不再赘述。
在一示例性实施例中，如图8所示，提供了一种输电线路异物侵限监测装置，包括：巡检数据获取模块802、声波数据处理模块804、风险信息确认模块806和侵限风险确认模块808，其中：
巡检数据获取模块802，用于通过设置于输电线路上的巡检设备，获取输电线路的巡检数据。
声波数据处理模块804，用于根据巡检数据中的声波数据，构建输电线路周边的待监测物体的三维模型，以及将声波数据中与待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到待监测物体的移动速度信息与移动路线信息。
风险信息确认模块806，用于根据待监测物体的三维模型，确认待监测物体与输电线路之间的目标距离，根据目标距离、移动速度信息、移动路线信息以及待监测物体的物体类型，确定输电线路的安全风险信息。
侵限风险确认模块808，用于在输电线路的安全风险信息满足预设安全风险条件的情况下，确认输电线路存在异物侵限风险。
在一示例性实施例中，声波数据处理模块804，还用于从巡检数据中的声波数据中，识别出与输电线路周边的待监测物体关联的声波数据；根据与待监测物体关联的声波数据，确认待监测物体与输电线路之间的初始距离；在初始距离小于与输电线路对应的预设安全距离阈值的情况下，根据与待监测物体关联的声波数据，确认待监测物体的三维声波影像；将待监测物体的三维声波影像映射到预设三维坐标系中，得到待监测物体的三维模型；预设三维坐标系根据输电线路周边的环境构建得到。
在一示例性实施例中，声波数据处理模块804，还用于根据与待监测物体关联的声波数据，确认待监测物体在不同角度下的二维声波影像；
对待监测物体在不同角度下的二维声波影像进行融合处理，得到待监测物体的三维声波影像。
在一示例性实施例中，输电线路异物侵限监测装置还包括距离阈值确认模块，用于从巡检数据中，识别出输电线路的电力数据；根据输电线路的电力数据，确认输电线路的线路类型；根据线路类型与预设安全距离阈值之间的对应关系，确认与输电线路对应的预设安全距离阈值。
在一示例性实施例中，风险信息确认模块806，还用于确认待监测物体的三维模型在预设三维坐标系下的物体坐标信息，以及确认输电线路的线路模型在预设三维坐标系下的线路坐标信息；根据物体坐标信息与线路坐标信息，确认待监测物体与输电线路之间的目标距离。
在一示例性实施例中，声波数据处理模块804，还用于通过预先训练的移动信息预测模型，从与待监测物体关联的声波数据中，识别出巡检设备中的声波传感器发射声波信号与接收声波信号之间的时间差异信息；根据时间差异信息，确认待监测物体的移动速度信息；根据巡检数据中的气象数据与待监测物体的移动速度信息，确认待监测物体的移动线路信息。
在一示例性实施例中，输电线路异物侵限监测装置还包括物体类型确认模块，用于从巡检数据中，识别出输电线路周边的待监测物体的红外图像；通过目标检测模型对待监测物体的红外图像进行目标检测处理，得到待监测物体与样本物体之间的相似度；将对应的相似度最大的样本物体的物体类型，确认为待监测物体的物体类型。
上述输电线路异物侵限监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一示例性实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储输电线路的声波数据、红外图像、电力数据、气象数据等巡检数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种输电线路异物侵限监测方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一示例性实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一示例性实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一示例性实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种输电线路异物侵限监测方法，其特征在于，所述方法包括：
通过设置于输电线路上的巡检设备，获取所述输电线路的巡检数据；
根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，以及将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息；
根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，根据所述目标距离、所述移动速度信息、所述移动路线信息以及所述待监测物体的物体类型，确定所述输电线路的安全风险信息；
在所述输电线路的安全风险信息满足预设安全风险条件的情况下，确认所述输电线路存在异物侵限风险；
所述将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息，包括：
通过所述预先训练的移动信息预测模型，从与所述待监测物体关联的声波数据中，识别出所述巡检设备中的声波传感器发射声波信号与接收声波信号之间的时间差异信息；
根据所述时间差异信息，确认所述待监测物体的移动速度信息；
根据所述巡检数据中的气象数据与所述待监测物体的移动速度信息，确认所述待监测物体的移动线路信息；
所述预先训练的移动信息预测模型通过下述方式训练得到：
通过所述巡检设备获取样本物体在不同气象条件下的声波数据、样本移动速度和样本移动路线；
将所述样本物体在不同气象体条件下的所述声波数据、所述样本移动速度和所述样本移动路线输入至待训练的移动信息预测模型，通过所述待训练的移动信息预测模型对所述样本物体在不同气象条件下的所述声波数据进行学习，得到所述样本物体的预测移动速度和预测移动路线；
通过所述待训练的移动信息预测模型中的损失函数，确认所述样本物体的所述样本移动速度与所述预测移动速度之间的损失值，以及所述样本移动路线与所述预测移动路线之间的损失值；
在所述损失值大于预设损失阈值的情况下，更新所述待训练的移动信息预测模型中的预测参数，并基于所述样本物体对所述待训练的移动信息预测模型再次进行训练，直到所述损失值小于所述预设损失阈值，得到训练完成的待训练的移动信息预测模型，作为所述预先训练的移动信息预测模型；
所述待监测物体的物体类型，通过下述方式确认得到：
从所述巡检数据中，识别出所述输电线路周边的待监测物体的红外图像；
通过目标检测模型对所述待监测物体的红外图像进行目标检测处理，得到所述待监测物体与样本物体之间的相似度；
将对应的相似度最大的样本物体的物体类型，确认为所述待监测物体的物体类型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，包括：
从所述巡检数据中的声波数据中，识别出与所述输电线路周边的待监测物体关联的声波数据；
根据与所述待监测物体关联的声波数据，确认所述待监测物体与所述输电线路之间的初始距离；
在所述初始距离小于与所述输电线路对应的预设安全距离阈值的情况下，根据与所述待监测物体关联的声波数据，确认所述待监测物体的三维声波影像；
将所述待监测物体的三维声波影像映射到预设三维坐标系中，得到所述待监测物体的三维模型；所述预设三维坐标系根据所述输电线路周边的环境构建得到。
3.根据权利要求2所述的方法，其特征在于，所述根据与所述待监测物体关联的声波数据，确认所述待监测物体的三维声波影像，包括：
根据与所述待监测物体关联的声波数据，确认所述待监测物体在不同角度下的二维声波影像；
对所述待监测物体在不同角度下的二维声波影像进行融合处理，得到所述待监测物体的三维声波影像。
4.根据权利要求2所述的方法，其特征在于，在所述初始距离小于与所述输电线路对应的预设安全距离阈值的情况下，根据与所述待监测物体关联的声波数据，确认所述待监测物体的三维声波影像之前，还包括：
从所述巡检数据中，识别出所述输电线路的电力数据；
根据所述输电线路的电力数据，确认所述输电线路的线路类型；
根据线路类型与预设安全距离阈值之间的对应关系，确认与所述输电线路对应的预设安全距离阈值。
5.根据权利要求2所述的方法，其特征在于，所述根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，包括：
确认所述待监测物体的三维模型在所述预设三维坐标系下的物体坐标信息，以及确认所述输电线路的线路模型在所述预设三维坐标系下的线路坐标信息；
根据所述物体坐标信息与所述线路坐标信息，确认所述待监测物体与所述输电线路之间的目标距离。
6.一种输电线路异物侵限监测装置，其特征在于，所述装置包括：
巡检数据获取模块，用于通过设置于输电线路上的巡检设备，获取所述输电线路的巡检数据；
声波数据处理模块，用于根据所述巡检数据中的声波数据，构建所述输电线路周边的待监测物体的三维模型，以及将所述声波数据中与所述待监测物体关联的声波数据，输入至预先训练的移动信息预测模型，得到所述待监测物体的移动速度信息与移动路线信息；
风险信息确认模块，用于根据所述待监测物体的三维模型，确认所述待监测物体与所述输电线路之间的目标距离，根据所述目标距离、所述移动速度信息、所述移动路线信息以及所述待监测物体的物体类型，确定所述输电线路的安全风险信息；
侵限风险确认模块，用于在所述输电线路的安全风险信息满足预设安全风险条件的情况下，确认所述输电线路存在异物侵限风险；
所述声波数据处理模块，还用于通过所述预先训练的移动信息预测模型，从与所述待监测物体关联的声波数据中，识别出所述巡检设备中的声波传感器发射声波信号与接收声波信号之间的时间差异信息；根据所述时间差异信息，确认所述待监测物体的移动速度信息；根据所述巡检数据中的气象数据与所述待监测物体的移动速度信息，确认所述待监测物体的移动线路信息；
所述装置还用于通过所述巡检设备获取样本物体在不同气象条件下的声波数据、样本移动速度和样本移动路线；将所述样本物体在不同气象体条件下的所述声波数据、所述样本移动速度和所述样本移动路线输入至待训练的移动信息预测模型，通过所述待训练的移动信息预测模型对所述样本物体在不同气象条件下的所述声波数据进行学习，得到所述样本物体的预测移动速度和预测移动路线；通过所述待训练的移动信息预测模型中的损失函数，确认所述样本物体的所述样本移动速度与所述预测移动速度之间的损失值，以及所述样本移动路线与所述预测移动路线之间的损失值；在所述损失值大于预设损失阈值的情况下，更新所述待训练的移动信息预测模型中的预测参数，并基于所述样本物体对所述待训练的移动信息预测模型再次进行训练，直到所述损失值小于所述预设损失阈值，得到训练完成的待训练的移动信息预测模型，作为所述预先训练的移动信息预测模型；
所述装置还包括物体类型确认模块，用于从所述巡检数据中，识别出所述输电线路周边的待监测物体的红外图像；通过目标检测模型对所述待监测物体的红外图像进行目标检测处理，得到所述待监测物体与样本物体之间的相似度；将对应的相似度最大的样本物体的物体类型，确认为所述待监测物体的物体类型。
7.根据权利要求6所述的装置，其特征在于，所述声波数据处理模块，还用于从所述巡检数据中的声波数据中，识别出与所述输电线路周边的待监测物体关联的声波数据；根据与所述待监测物体关联的声波数据，确认所述待监测物体与所述输电线路之间的初始距离；在所述初始距离小于与所述输电线路对应的预设安全距离阈值的情况下，根据与所述待监测物体关联的声波数据，确认所述待监测物体的三维声波影像；将所述待监测物体的三维声波影像映射到预设三维坐标系中，得到所述待监测物体的三维模型；所述预设三维坐标系根据所述输电线路周边的环境构建得到。
8.根据权利要求7所述的装置，其特征在于，声波数据处理模块，还用于根据与所述待监测物体关联的声波数据，确认所述待监测物体在不同角度下的二维声波影像；对所述待监测物体在不同角度下的二维声波影像进行融合处理，得到所述待监测物体的三维声波影像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN202310849293.XA 2023-07-12 2023-07-12 输电线路异物侵限监测方法、装置和计算机设备 Active CN116577788B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310849293.XA CN116577788B (zh) 2023-07-12 2023-07-12 输电线路异物侵限监测方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310849293.XA CN116577788B (zh) 2023-07-12 2023-07-12 输电线路异物侵限监测方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN116577788A CN116577788A (zh) 2023-08-11
CN116577788B true CN116577788B (zh) 2024-01-23

Family

ID=87543458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310849293.XA Active CN116577788B (zh) 2023-07-12 2023-07-12 输电线路异物侵限监测方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN116577788B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117315322A (zh) * 2023-08-25 2023-12-29 华大天元(北京)科技股份有限公司 一种输电线路隐患检测方法、装置、电子设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009257823A (ja) * 2008-04-14 2009-11-05 Kansai Electric Power Co Inc:The 超音波三次元距離計測装置及び超音波三次元距離計測方法
CN106292656A (zh) * 2016-07-22 2017-01-04 北京智能管家科技有限公司 一种环境建模方法及装置
KR101731403B1 (ko) * 2016-12-20 2017-05-11 (주)정엔지니어링 송배전선로의 점검 장치 시스템
CN107172388A (zh) * 2017-05-09 2017-09-15 中国铁道科学研究院电子计算技术研究所 一种铁路异物侵限监测的方法及系统
US10609342B1 (en) * 2017-06-22 2020-03-31 Insight, Inc. Multi-channel sensing system with embedded processing
CN211741567U (zh) * 2020-04-30 2020-10-23 国网上海市电力公司 一种输电线路异物缠绕监测系统
CN114373138A (zh) * 2021-12-28 2022-04-19 北京交通大学 一种高速铁路全自动无人机巡检方法及系统
WO2022144994A1 (ja) * 2020-12-28 2022-07-07 Tdk株式会社 異物検出装置、送電装置、受電装置、及び、電力伝送システム
CN115019485A (zh) * 2022-07-12 2022-09-06 广东电网有限责任公司 一种配网线路通道的安全预警装置
CN115876252A (zh) * 2022-12-07 2023-03-31 广东电网有限责任公司 一种外破隐患点多方位检测方法、装置、设备及介质
CN115932885A (zh) * 2022-11-29 2023-04-07 贵州电网有限责任公司 一种架空输电线路通道交叉跨越实时动态监测方法
CN116363585A (zh) * 2023-03-20 2023-06-30 上海倍肯智能科技有限公司 一种输电线路在线监测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6741936B2 (en) * 2001-05-24 2004-05-25 The United States Of America As Represented By The Secretary Of The Navy Three-dimensional sound intensity prediction system

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009257823A (ja) * 2008-04-14 2009-11-05 Kansai Electric Power Co Inc:The 超音波三次元距離計測装置及び超音波三次元距離計測方法
CN106292656A (zh) * 2016-07-22 2017-01-04 北京智能管家科技有限公司 一种环境建模方法及装置
KR101731403B1 (ko) * 2016-12-20 2017-05-11 (주)정엔지니어링 송배전선로의 점검 장치 시스템
CN107172388A (zh) * 2017-05-09 2017-09-15 中国铁道科学研究院电子计算技术研究所 一种铁路异物侵限监测的方法及系统
US10609342B1 (en) * 2017-06-22 2020-03-31 Insight, Inc. Multi-channel sensing system with embedded processing
CN211741567U (zh) * 2020-04-30 2020-10-23 国网上海市电力公司 一种输电线路异物缠绕监测系统
WO2022144994A1 (ja) * 2020-12-28 2022-07-07 Tdk株式会社 異物検出装置、送電装置、受電装置、及び、電力伝送システム
CN114373138A (zh) * 2021-12-28 2022-04-19 北京交通大学 一种高速铁路全自动无人机巡检方法及系统
CN115019485A (zh) * 2022-07-12 2022-09-06 广东电网有限责任公司 一种配网线路通道的安全预警装置
CN115932885A (zh) * 2022-11-29 2023-04-07 贵州电网有限责任公司 一种架空输电线路通道交叉跨越实时动态监测方法
CN115876252A (zh) * 2022-12-07 2023-03-31 广东电网有限责任公司 一种外破隐患点多方位检测方法、装置、设备及介质
CN116363585A (zh) * 2023-03-20 2023-06-30 上海倍肯智能科技有限公司 一种输电线路在线监测方法及系统

Also Published As

Publication number Publication date
CN116577788A (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
US10796169B2 (en) Pruning filters for efficient convolutional neural networks for image recognition of environmental hazards
CN116577788B (zh) 输电线路异物侵限监测方法、装置和计算机设备
CN115423127B (zh) 一种基于人工智能的电力设备现场运维方法及系统
US9658272B2 (en) Method and device for determining the defect type of a partial discharge
CN110346808B (zh) 一种激光雷达的点云数据处理方法和系统
CN114333424B (zh) 一种桥梁防船撞监测预警系统
CN114584571B (zh) 基于空间计算技术的电网场站数字孪生同步通信方法
Gao et al. AIoT-informed digital twin communication for bridge maintenance
CN115018903B (zh) 一种堆场料堆体积计算方法及系统
CN114091683A (zh) 海缆状态监控方法、装置、计算机设备和存储介质
CN115546628A (zh) 一种水利工程堤坝裂缝监测方法、装置、设备及介质
Awadallah et al. Automated multiclass structural damage detection and quantification using augmented reality
CN112560981A (zh) 生成对抗模型的训练方法、装置、设备、程序和存储介质
CN110414073A (zh) 隧道的状态评估方法、装置、计算机设备及存储介质
Chang et al. Safety risk assessment of electric power operation site based on variable precision rough set
KR20190101275A (ko) 사물인터넷을 기반으로 선박 접안 시 항만 시설의 손상을 예방하는 방법 및 시스템
CN115496895A (zh) 目标识别方法及其模型、电子设备、存储介质
TW201544830A (zh) 人工智能地震判斷方法及地震偵測系統
CN116597390B (zh) 输电线路周边的施工隐患检测方法、装置和计算机设备
CN113345095A (zh) 一种基于数字孪生的革命文物残损监测与预警方法及系统
He et al. A recognition approach of radar blips based on improved fuzzy c means
CN115620496B (zh) 应用于输电线路的故障报警方法、装置、设备和介质
CN117194868B (zh) 围岩变形监测方法、装置、电子设备及存储介质
CN116384255B (zh) 一种基于多源数据融合的园区危险态势感知方法及系统
CN116754022B (zh) 电缆隧道的在线检测应急预警方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant